聽覺失匹配負波在模擬飛行多任務不同腦力負荷下的變化研究

李文斌, 康 陽, 任澤勝, 史克東, 常耀明*

(1.空軍軍醫大學航空航天醫學系, 西安 710032; 2.解放軍71901 部隊, 聊城 252000;3.空軍軍醫大學基礎醫學院學員二大隊, 西安 710032)

1 引言

現代飛行活動中,飛行員駕駛飛機的同時,還要時時注意飛機的高度表、空速表、垂直速率表、姿態儀、航向指示表等各種儀表信息。另外,在特殊情況下,還要根據各種信息在短時間內處置突發情況。這類飛行活動可以視為一個由多個子任務組成的多任務處理過程,由于接受的信息數量多和可用于信息處理的時間短,飛行員面臨較高腦力負荷[1]。人的信息處理資源由多個維度組成,在信息處理過程中會在維度中進行資源的選擇和分配,當同時處理多個任務發生資源競爭而導致資源相對不足時,任務績效明顯下降[2]。因此,進行多任務腦力負荷研究對于優化飛行績效和保障飛行安全具有重要的現實意義。

目前尚沒有特異性的生理指標來測量腦力負荷,但腦電(Electroencephalogram, EEG)測量作為中樞神經系統生理測量的一種,具有很高的時間分辨率,并表現出對腦力負荷變化敏感[3]。EEG是很多神經來源的混合活動,在施加特定的刺激后,通過對刺激前后一段時間內的EEG 進行平均疊加,可得到事件相關電位(Event Related Potential, ERP)。不同于EEG 的自發節律,ERP 是一種誘發電位,代表了大腦對特定感覺、運動和認知事件做出的神經反應[4]。

失匹配負波(Mismatch Negativity, MMN)是反映腦力負荷變化的ERP 成分之一,MMN 是指在持續重復的相同刺激下,因偶然出現的不匹配刺激所誘發的一種腦電電位波形。MMN 的產生是一個內源性的認知過程,反映了大腦皮層基于感覺記憶對刺激變化的察覺和前注意的水平[5]。前注意是注意加工過程的早期階段,反映了大腦對外界信息的自動化加工。因此,MMN 通過反映前注意水平來評估腦力負荷的變化。Zhang 等[6]在一項視覺追蹤任務中發現,MMN 的波幅隨著腦力負荷的增加而增加。但Takegata 等[7]研究發現,在工作記憶任務中,腦力負荷的變化對于聽覺MMN 的波幅無差異性影響。還有研究發現任務負荷的增加會導致MMN 的波幅降低[8]。可見,上述研究所得到的結論并不一致,且上述實驗模型與飛行員在實際飛行中的多任務過程存在較大的差異。另外,飛行員在飛行過程中,可以熟練地完成掌握飛行姿態、觀察空域和飛行儀表、控制飛行速度與飛行高度等多項任務,這與大腦對部分信息能夠做到自發性意識加工有關[9]。因此,MMN 反映飛行多任務腦力負荷的變化具有理論依據。在模擬飛行的研究中,研究人員通過設定監視任務中目標信息的數量來控制腦力負荷水平,研究發現模擬飛行多任務腦力負荷對MMN影響顯著[10]。然而,這一結果并不能反映多任務中子任務各自的效果,因為不同的子任務有不同的神經認知需求[11]。

因此,為了研究特定子任務對腦力負荷的影響,本文通過控制子任務的數量來建立腦力負荷梯度。以模擬飛行為任務模型,比較在低、中、高三級腦力負荷下的MMN,并探討MMN 在不同腦力負荷下的變化機理,為基于前注意水平評估飛行員腦力負荷提供實驗依據。

2 方法

2.1 受試者

24 名在校本科生,男性,年齡(21.29±0.69)歲。均為右利手(愛丁堡利手問卷結果一側商數和十分位數分別為80.24±20.96 和5.92±3.91),視力或矯正視力及聽力正常,既往無神經精神疾病史及近期用藥史。所有參與者在實驗前對實驗內容知情同意。

2.2 實驗任務模型

實驗任務模型是模擬飛行中的多任務模型,該任務包含4 項子任務:目標追蹤任務、儀表監視任務、光點計數任務、數字反應任務。多任務程序在電腦上運行。目標追蹤任務要求受試者通過操縱桿控制圓形光標來持續追蹤移動的目標;儀表監視任務要求受試者監視4 個儀表并在儀表指針達到警戒區域時及時做出反應;光點計數任務要求受試者快速數出不定期出現的光點數目,并按下相應按鍵;數字反應任務要求受試者按下與屏幕呈現數字相同的數字鍵來做出反應。4 項子任務分別抽象地模擬飛行操縱、儀表監視、突發事件處理和剩余能力。目標追蹤任務、儀表監視任務和光點計數任務均是主任務,需要受試者投入主要的精力并優先完成。數字反應任務是次任務,需要受試者在先完成主任務的前提下利用剩余的精力來完成。該任務模型已被用于飛行腦力負荷和飛行疲勞的研究[12-13]。

2.3 實驗量表及設備

腦力負荷主觀評價采用NASA 任務負荷指數(National Aeronautics and Space Administration-Task Load Index, NASA-TLX)量表[14],該量表包含6 個維度:腦力需求(Mental Demand, MD)、體力需求(Physical Demand, PD)、時間需求(Temporal Demand, TD)、努力水平(Effort Level, EF)、挫折水平(Frustration Level, FR)以及自我績效(Own Performance, OP)。

腦電記錄系統采用美國NeuroScan 公司32導電極帽及NuAmps 腦電放大器記錄原始腦電信號。電極的阻抗小于5 kΩ。

2.4 實驗過程

主試者講解并演示實驗任務,根據前期實驗研究[13],受試者進行10 min 的練習以降低學習效應的影響。練習結束后給受試者佩戴電極帽,電極位置參照國際標準10-20 系統。以雙側乳突作為參考電極,同時記錄水平眼電(Horizontal Electro oculogram, HEOG)和垂直眼電(Vertical Electro oculogram, VEOG)。接地電極位于AFz電極位置。

受試者保持靜息狀態1 min 后開始多任務處操作。每名受試者需要依次完成3 種腦力負荷的多任務。低腦力負荷多任務要求受試者同時完成目標追蹤和數字反應2 項子任務。中腦力負荷多任務要求受試者同時完成除光點計數任務外的其他3 項子任務。高腦力負荷多任務要求受試者同時完成4 項子任務。每項任務持續180 s,為避免任務順序帶來的影響,任務順序在受試者間平衡(3 種任務共形成6 種順序,6 種順序各有4 名受試者)。

在每個多任務過程中,通過耳機雙耳呈現Oddball 范式下的聽覺刺激。聽覺刺激包括標準刺激和偏差刺激。標準刺激的頻率為1000 Hz,呈現概率為80%。偏差刺激的頻率為600 Hz,呈現概率為20%。刺激的呈現時間為50 ms,刺激強度為80 dB SPL,刺激間隔為500 ms。要求受試者在任務過程中忽略聽覺刺激。在完成每一項多任務后,受試者填寫NASA-TLX 量表,并休息1 min。在完成最后一項多任務后,實驗結束。

2.5 EEG 信號處理

腦電信號采樣頻率為1024 Hz,采用0.1 ～100 Hz 的帶通濾波器進行濾波。采用 Scan 4.3軟件分析 EEG 數據。通過預覽去除漂移明顯的數據,然后去除HEOG 和VEOG 對EEG 信號的影響。采用有限脈沖響應低通數字濾波器(無相移,截止頻率為30 Hz,衰減斜率為12 dB/oct)進行濾波,采用平均參考的方法進行重參考。以聽覺刺激呈現前100 ms 到呈現后400 ms 將濾波后的數據進行分段。將波幅超過±100 μV 視為偽跡并予以剔除。將聽覺刺激前100 ms 視為基線。在每個時間段中,通過減去基線的平均振幅來消除基線偏移。然后,根據刺激類型進行疊加平均,分別得到標準刺激和偏差刺激的ERP。最后,在各導聯上用偏差刺激的ERP 減去標準刺激的ERP 可得到由聲音頻率變化所引發的MMN。由于MMN 為負向波形,因此提取MMN 波形中絕對值最大的負向波幅值為MMN 峰值。

2.6 統計學分析

采用SPSS26.0 軟件進行統計分析,采用單因素重復測量的ANOVA 檢驗不同腦力負荷對NASA-TLX 評分、任務績效以及MMN 的影響是否具有統計學意義,P＜ 0.05 認為差異具有統計學意義。多重比較采用Bonferroni 校正。

3 結果

3.1 NASA-TLX 評分

圖1(a)顯示了3 項多任務的NASA-TLX 評分。不同負荷對NASA-TLX 評分有影響,不同多任務的NASA-TLX 評分不同(F= 29.75,P＜0.05)。NASA-TLX 評分隨著腦力負荷增加而增加,高負荷的NASA-TLX 得分最高(多重比較采用Bonferroni 校正,P＜ 0.016)。圖1(b)顯示了3項多任務NASA-TLX 每個維度的得分。腦力負荷對腦力需求得分(F= 12.32,P＜ 0.05)、時間需求得分(F= 12.00,P＜ 0.05)和努力水平得分有影響(F= 5.00,P＜ 0.05)。腦力需求得分隨著腦力負荷增加而增加(多重比較采用Bonferroni校正,P＜ 0.016)。高負荷的時間需求得分分別高于低負荷和中負荷的時間需求得分(多重比較采用Bonferroni 校正,P＜ 0.016)。而腦力負荷對體力需求得分(F= 0.90,P＞ 0.05)、挫折水平得分(F= 3.44,P＞ 0.05)和自我績效得分(F= 0.45,P＞ 0.05)未見統計學差異。

圖1 3 種腦力負荷多任務的NASA-TLX 評分Fig.1 Scores of NASA-TLX in three mental workload multitasks

3.2 任務績效

3 項多任務的績效如表1 所示。3 項多任務的平均追蹤距離(F= 8.23,P＜ 0.05)和數字反應次數(F= 150.26,P＜ 0.05)具有統計學差異。高負荷的追蹤距離大于低負荷的追蹤距離(多重比較采用Bonferroni 校正,P＜ 0.016)。數字反應次數隨著腦力負荷的增加逐漸減少(多重比較采用Bonferroni校正,P＜ 0.016)。儀表監視任務的反應時間在中負荷多任務和高負荷多任務之間無統計學差異(F=3.15,P＞ 0.05)。在高負荷多任務中,光點計數任務的平均反應時間是(12.66 ± 4.22)s。

表1 3 種腦力負荷多任務的績效( x- ±s, n = 24)Table 1 Behavioral performance in three mental workload multitasks( x- ±s, n = 24)

3.3 MMN

圖2 顯示了MMN 在100 ～250 ms 之間的電壓地形分布圖,圖中顯示為額中央優勢。提取額中央電極(Fz、FCz、Cz)處MMN 的平均波形,如圖3 顯示。3 處電極MMN 波形的峰值均位于150 ～200 ms 之間。

圖2 3 種腦力負荷多任務MMN 的地形分布圖Fig.2 Scalp topographic distributions of the MMN in three mental workload multitasks

圖3 3 種腦力負荷多任務MMN 的平均波形Fig.3 Grand-mean waves of the MMN in three mental workload multitasks

3 種腦力負荷下Fz、FCz、Cz 電極的MMN 峰值潛伏期和150～200 ms 的平均波幅如表2 所示。不同腦力負荷下的Fz(F= 7.64,P＜ 0.05)、FCz(F= 6.47,P＜ 0.05)、Cz(F= 4.94,P＜0.05)電極處MMN 的平均波幅有統計學差異。事后檢驗表明,高負荷任務MMN 的平均波幅比低負荷任務MMN 的平均波幅更大(多重比較采用Bonferroni 校正,P＜ 0.016)。不同腦力負荷下的Fz(F= 0.14,P＞ 0.05)、FCz(F= 0.09,P＞0.05)、Cz(F= 0.10,P＞ 0.05)電極處MMN 的峰值潛伏期無統計學差異。

表2 3 種腦力負荷多任務MMN 的峰值潛伏期和平均波幅(ˉx±s, n = 24)Table 2 Peak latencies and amplitudes of the MMN in three mental workload multitasks(ˉx±s, n = 24)

4 討論

本文通過控制多任務中子任務的數量來設置腦力負荷梯度。隨著子任務數量的增加,NASATLX 評分升高而任務績效降低,說明腦力負荷梯度設置成功。NASA-TLX 評分的差異體現在腦力需求和時間需求上,說明模擬飛行多任務的高腦力負荷主要體現在認知需求上和時間壓力上。

腦力負荷對任務績效的影響表現為除儀表監視任務績效外其他任務績效隨著腦力負荷的升高而變差。多任務的績效變差的機制可能來源于兩方面:一方面多任務處理過程中較高的腦力負荷會導致執行并發任務的剩余資源減少,由于認知需求超過操作者的認知資源,從而引發績效降低;另一方面,作業人員在任務之間頻繁的轉換需要不停地重新分配腦力資源,任務轉換需要付出一定的轉換成本,這種成本反映在任務轉換所消耗的時間上[15]。而儀表監視任務的績效未受腦力負荷影響的原因可能是由于資源分配策略造成[16],即受試者在多任務中可能優先完成了儀表監視任務再去完成光點計數任務。

大腦對信息的加工包括自動化加工和控制性加工2 種方式。自動化加工是快速和平行地,而控制性加工是緩慢和連續地,在作業人員經過很充分練習后的任務中,注意的加工常為自動化[17]。大腦的這種自發性意識加工屬于不受意識控制的加工,而人行為的自動化即是大腦對信息自動加工的結果。作為一種生理失匹配自動信息加工的反映,MMN 的產生來源于大腦的記憶痕跡[18]。在重復的標準刺激下,大腦形成了記憶痕跡,輸入的刺激會與這個記憶痕跡比較,當出現偏差刺激時,則出現MMN。雖然MMN 的產生是大腦的自動過程,反映了前注意的過程和大腦對信息的自動化加工,但是與控制性加工有關的注意力變化可影響MMN 的波幅[19]。腦力負荷與信息加工過程密不可分,并且注意力資源在信息加工過程中起著重要的作用,腦力負荷可通過影響注意從而影響MMN[10]。

本文MMN 的波幅隨著任務負荷的增加而升高,這符合選擇性注意和認知負荷控制理論[20]。該理論認為認知負荷的增加,會消耗作業人員的信息處理資源,從而導致主動抑制干擾信息的能力降低,進而使干擾信息得到了進一步加工處理。高效的工作記憶依賴于自上而下通過額葉神經機制抑制無關信息[21]。因此,MMN 波幅的增加可能反映了自上而下對無關信息處理抑制的減弱。聽覺處理的增強還可能源于有限的共享多模態注意力資源的釋放或注意力傳播的增加。當視覺認知負荷增加時,共享的多模態注意力資源被釋放或傳播到包括聽覺系統在內的其他模態,導致聽覺信息處理增加。因此,視覺負荷的增加可導致聽覺誘發電位的增加[22]。在本文研究中,任務負荷的增加并未影響MMN 的潛伏期,這與Zhang等[6]的研究結果一致。潛伏期可反映信息處理的速度[9],因此腦力負荷的增加雖然可導致干擾信息處理的增加,但對干擾信息處理的速度影響較小。

然而,腦力負荷研究中也存在MMN 波幅未受到腦力負荷影響的現象,可能是由于刺激并非連續的或者高低負荷沒有拉開差距[7]。為消除這種影響,Sculthorpe 等[23]采用連續刺激的多目標追蹤任務作為任務模型,并且將高低負荷任務難度差距拉大,在困難任務中MMN 的波幅有增高的趨勢但差異不明顯。其原因可能是聽覺刺激的誘發范式與本研究不同,其偏差刺激是與標準刺激相同頻率的一個短間隔重復音,而本文的偏差刺激是與標準刺激頻率不同的音調。Muller-Gass 等[24]發現聲音強度變化引起的MMN 未受到腦力負荷的影響,而聲音頻率變化引起的MMN隨著任務負荷的增加而增加,因此不同誘發范式下的MMN 對腦力負荷的敏感性存在差異。

另外,Yucel 等[8]研究發現,MMN 波幅隨著任務負荷增加而降低,并認為其結果符合知覺負載理論[25]。不同于認知負荷控制理論,知覺負載理論認為高知覺負荷會消耗作業人員大量的信息處理能力,從而使沒有足夠的信息處理能力來感知干擾信息,進而降低了干擾信息對任務的干擾作用。根據Wickens 的信息加工模型[26],人的信息處理包含感覺、知覺、反應的選擇和反應的執行4 個階段,并且信息的最終執行依靠工作記憶功能。當腦力負荷主要涉及感知過程時,視覺感知可能與跨模態的聽覺感知產生競爭,導致MMN波幅降低。但是,在本文研究中,腦力負荷并非全部來源于知覺階段,更主要的是來源于多任務之間的注意力切換及工作記憶。當腦力負荷主要涉及到工作記憶執行功能時,增加的任務負荷會降低抑制干擾信息的能力,導致MMN 波幅升高[27]。

5 結論

腦力負荷可影響MMN 的波幅,并且腦力負荷性質的不同會對MMN 產生不同的影響。當腦力負荷主要來源于知覺負荷時,MMN 波幅會隨著腦力負荷的增加而降低,但當腦力負荷主要來源于依賴工作記憶功能的認知負荷時,MMN 波幅隨著腦力負荷的增加而升高;并且模擬飛行多任務的腦力負荷主要體現在認知負荷上,隨著腦力負荷的增加,MMN 波幅升高。另外,視覺刺激的連續性和聽覺刺激的誘發范式都可對MMN 產生一定的影響,并且在信息加工過程中,知覺和認知是緊密相連的,任務負荷的性質很難明確區分,因此MMN 用于腦力負荷的測量還需要進一步的研究。